Publikasjoner
NIBIOs ansatte publiserer flere hundre vitenskapelige artikler og forskningsrapporter hvert år. Her finner du referanser og lenker til publikasjoner og andre forsknings- og formidlingsaktiviteter. Samlingen oppdateres løpende med både nytt og historisk materiale. For mer informasjon om NIBIOs publikasjoner, besøk NIBIOs bibliotek.
2017
Sammendrag
Today’s modern precision agriculture applications have a huge demand for data with high spatial and temporal resolution. This leads to the need of unmanned aerial vehicles (UAV) as sensor platforms providing both, easy use and a high area coverage. This study shows the successful development of a prototype hybrid UAV for practical applications in precision agriculture. The UAV consists of an off-the-shelf fixed-wing fuselage, which has been enhanced with multi-rotor functionality. It was programmed to perform pre-defined waypoint missions completely autonomously, including vertical take-off, horizontal flight, and vertical landing. The UAV was tested for its return-to-home (RTH) accuracy, power consumption and general flight performance at different wind speeds. The RTH accuracy was 43.7 cm in average, with a root-mean-square error of 39.9 cm. The power consumption raised with an increase in wind speed. An extrapolation of the analysed power consumption to conditions without wind resulted in an estimated 40 km travel range, when we assumed a 25 % safety margin of remaining battery capacity. This translates to a maximal area coverage of 300 ha for a scenario with 18 m/s airspeed, 50 minutes flight time, 120 m AGL altitude, and a desired 70 % of image side-lap and 85 % forward-lap. The ground sample distance with an in-built RGB camera was 3.5 cm, which we consider sufficient for farm-scale mapping missions for most precision agriculture applications.
Forfattere
Jakob GeipelSammendrag
Det er ikke registrert sammendrag
Sammendrag
Det er ikke registrert sammendrag
Sammendrag
In this study, we investigated the potential of airborne imaging spectroscopy for in-season grassland yield estimation. We utilized an unmanned aerial vehicle and a hyperspectral imager to measure radiation, ranging from 455 to 780 nm. Initially, we assessed the spectral signature of five typical grassland species by principal component analysis, and identified a distinct reflectance difference, especially between the erectophil grasses and the planophil clover leaves. Then, we analyzed the reflectance of a typical Norwegian sward composition at different harvest dates. In order to estimate yields (dry matter, DM), several powered partial least squares (PPLS) regression and linear regression (LR) models were fitted to the reflectance data and prediction performance of these models were compared with that of simple LR models, based on selected vegetation indices and plant height. We achieved the highest prediction accuracies by means of PPLS, with relative errors of prediction from 9.1 to 11.8% (329 to 487 kg DM ha−1) for the individual harvest dates and 14.3% (558 kg DM ha−1) for a generalized model.
Sammendrag
Currently, sugar snap peas are harvested manually. In high-cost countries like Norway, such a labour-intensive practise implies particularly large costs for the farmer. Hence, automated alternatives are highly sought after. This project explored a concept for robotic autonomous identification and tracking of sugar snap pea pods. The approach was based on a combination of visible–near infrared reflection measurements and image analysis, along with visual servoing. A proof-of-concept harvesting platform was implemented by mounting a robotic arm with hand-mounted sensors on a mobile unit. The platform was tested under plastic greenhouse conditions on potted plants of the sugar snap pea variety Cascadia using LED-lights and a partial shade. The results showed that it was feasible to differentiate the pods from the surrounding foliage using the light reflection at the spectral range around 970 nm combined with elementary image segmentation and shape modelling methods. The proof-of-concept harvesting platform was tested on 48 representative agricultural environments comprising dense canopy, varying pod sizes, partial occlusions and different working distances. A set of 104 images were analysed during the teleoperation experiment. The true positive detection rate was 93 and 87% for images acquired at long distances and at close distances, respectively. The robot arm achieved a success rate of 54% for autonomous visual servoing to a pre-grasp pose around targeted pods on 22 untouched scenarios. This study shows the potential of developing a prototype robot for semi-automated sugar snap pea harvesting.
2016
Forfattere
Jakob GeipelSammendrag
Det er ikke registrert sammendrag
Sammendrag
Det overordnede målet med denne utredningen er å bidra til et første steg på vegen for økt konkurransekraft innen grøntsektoren i Norge gjennom automatisering av manuelle, ressurskrevende oppgaver. Utredningen består av to hoveddeler; i første del kartlegges behovet for automatisering sett fra grøntprodusentenes side ved hjelp av en spørreundersøkelse. I andre del utredes eksisterende og kommende teknologi relevant for grøntsektoren i Norge. Avslutningsvis evalueres de teknologiske løsningene med hensyn til potensialet for tilpasning/videreutvikling til norske forhold. I samarbeid med Gartnerhallen og Bama ble det utarbeidet et spørreskjema som ble sendt ut til 346 utvalgte produsenter i Gartnerhallens leverandørregister. Av disse svarte 136, noe som gir en svarprosent på 39. Hver produsent kunne velge å besvare spørsmål relatert til maksimalt tre av sine produksjoner/vekster, og resultatene omfatter 200 vekstspesifikke svar, som representerer 29 ulike vekster. Det var flest svar knyttet til produksjon av jordbær (14% av alle varene) og bringebær (14%), fulgt av kålrot (10%), kål (8%), agurk (6%), tomat (6%) og isbergsalat (5%). For 10 av vekstene var det bare svar fra én produsent. Resultatene viste blant annet at bruk av innled arbeidskraft utgjør en betydelig kostnad. Sett over alle vekster utgjorde kostnaden for sesongarbeidere over 20% av totalkostnadene i 75% av svarene. I 23% av svarene bidro denne posten med over halvparten av totalkostnadene forbundet med produksjonen. Av vekstene med mest robust tallmateriale (flest svar) lå jordbær og bringebær øverst med en gjennomsnittlig kostnad for innleid arbeidskraft på hhv. 42 og 45% av de totale produksjonskostnadene. Ikke overraskende viste resultatene videre at innhøsting skjer overveiende manuelt. En annen utpreget manuell arbeidsoppgave var såing/setting/planting. For øvrig var det store variasjoner mellom de ulike produksjonene. Produsentene bidro med mange forslag til hvilke arbeidsoperasjoner fra egen produksjon som egner seg for robotisering, og som bør prioriteres i det videre FoU-arbeidet. På tvers av vekster ble følgende operasjoner hyppigst nevnt; ugrasbekjempelse, øvrig plantevern, gjødsling, vanning, tynning/beskjæring og innhøsting. Informasjon om eksisterende og kommende teknologi ble skaffet til veie gjennom deltagelse på forskningskonferanser, besøk hos en rekke sentrale robotmiljøer i Europa, og ved hjelp av e- postkorrespondanse og bruk av internett. Det skal nevnes at det nærmest daglig publiseres nyheter på robotfronten, slik at denne utredningen bør betraktes som ferskvare. Resultatene ble delt inn i følgende seks grupper; 1) roboter for planting og poding, 2) roboter for ugrasfjerning og tynning, 3) roboter for beskjæring og blomstertynning av frukttrær, 4) roboter for innhøsting, 5) roboter som dekker flere bruksområder, og 6) andre roboter og automatiserte løsninger. De fleste teknologiske nyvinningene presentert i utredningen vil kunne egne seg for tilpasning/videreutvikling til norske forhold. Ut fra en evaluering basert på produsentenes behov, hvilken vekst teknologien er tilpasset, sannsynlig pris og tilgjengelighet ble fem prototyper/systemer vurdert til å ha et spesielt stort potensial i Norge. Dette omfatter i uprioritert rekkefølge; en robot for plantebehandling i radkulturer (videreutvikling av Adigos konsept), utstyr for behovstilpasset tynning av fruktblomster (tilpasning av Darwin-systemet), en høsterobot for jordbær (tilpasning av Agrobot), en høsterobot for bringebær (videreutvikling av NIBIOs høsterobot for sukkererter), samt en høstrobot for brokkoli (tilpasning av Agritronics prototyp).
2015
Forfattere
Krzysztof KusnierekSammendrag
Det er ikke registrert sammendrag
Sammendrag
Det er ikke registrert sammendrag
Sammendrag
Det er ikke registrert sammendrag